مریم محمودی - دانشجوی کارشناسی ارشد گروه مهندسی فناوری اطلاعات، شبکه های کامپیوتری، موسسه آموزش عالی روزبهان ساری
ابوالفضل لاکدشتی - استادیار، گروه کامپیوتر، دانشگاه غیرانتفاعی روزبهان، ساری

تشخیص نفوذ در شبکه های حسگر بیسیم با استفاده از تکنیک های تشخیص ناهنجاری یکی از راه های مفید در حفاظت از این شبکه ها و سیستم ها در مقابل فعالیت های مخرب می باشد. روش های فراابتکاری مختلفی برای تشخیص ناهنجاری تولید شده است. اما مطالعات هنوز از روش های فراابتکاری چند نقطه ای بهره زیادی نگرفته اند. هدف این مقاله ارایه یک روش هیبرید برای تشخیص ناهنجاری در دیتاست های بزرگ با استفاده از روش فراابتکاری جند نقطه ای و الگوریتم ژنتیک می باشد. بدین منظور از انتخاب منفی نیز به کارگرفته شده است. برای ارزیابی روش از دیتا ست NSL-KDD که مدل اصلاح شده دیتا ست KDD CUP 99 می باشد برای آزمایش و برای شبیه سازی از نرم افزار متلب استفاده شده است. نتایج نشان می دهد که اثربخشی این روش در صورت وجود تعداد مناسبی دتکتور با دقت 94.3% در مقایسه با الگوریتم ماشین یادگیری مفید تر می باشد.

تشخیص نفوذ، تشخیص ناهنجاری، الگوریتم های فراابتکاری، روش چند نقطه ای، الگوریتم ژنتیک، الگوریتم انتخاب منفی